Twine App Builder:免费自动化打包Twine游戏的桌面应用工具
Twine App Builder 是一个开源工具,专门用于将基于浏览器的游戏自动打包生成适用于 Windows 和 macOS 的独立桌面版本,同时提供可选的网络托管功能。该工具主要服务于使用 Twine(包括 1.x 和 2.x)、Bitsy、PuzzleScript 等工具创作游戏的开发者,帮助他们轻松创建适合在各种平台分发的桌面版本游戏。
快速入门指南
克隆仓库和准备
首先克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/tw/twine-app-builder.git
游戏文件准备
将您的 Twine 游戏所有相关资源(包括 .html 主文件和其他资源如图像、音频等)组织在项目的 src 文件夹中。确保包含 index.html 文件,这将是玩家打开游戏时加载的主页面。
配置设置
在项目根目录中,您需要配置游戏的基本信息。虽然原始项目使用 GitHub Actions 工作流文件,但您可以手动设置以下配置:
- 游戏名称和描述
- 是否启用web发布功能
- 自定义应用图标(使用
icon.png文件)
构建和打包
安装必要的依赖后,您可以使用提供的构建脚本来生成桌面应用:
# 安装依赖(如有需要)
npm install
# 执行构建
npm run build
构建完成后,您将在输出目录中找到 Windows 和 macOS 版本的应用程序。
核心功能特性
跨平台支持
Twine App Builder 支持生成 Windows 和 macOS 双平台的应用版本,确保您的游戏能够在主流桌面操作系统上运行。
离线功能支持
只要您的游戏不引用外部托管的资源或脚本,打包后的应用可以完全离线运行,这对于桌面分发非常重要。
自定义图标
通过提供自定义的 icon.png 文件(建议尺寸至少 1024x1024),您可以提升应用的品牌形象和专业性。
技术实现原理
Twine App Builder 基于 Electron 技术构建,这是一个使用 Web 技术(HTML、JavaScript、CSS)创建原生桌面应用的开源框架。该工具将您的游戏文件注入到预构建的 Electron 应用模板中,然后编译为各平台的本地可执行文件。
使用注意事项
资源管理
为了确保离线功能正常工作,建议将所有游戏资源(图片、音频、脚本等)都放置在本地 src 目录中,而不是引用外部 URL。
兼容性考虑
由于使用的是 Electron 技术,打包后的应用文件大小会比纯网页版本大,但提供了更好的桌面集成体验。
更新维护
您可以随时更新游戏内容,重新运行构建流程即可生成最新的桌面版本。
应用场景
Twine App Builder 适用于各种互动叙事游戏的桌面化部署,包括:
- 教育类互动故事
- 非线性叙事游戏
- 视觉小说类作品
- 实验性互动艺术项目
通过这个工具,创作者可以轻松地将基于浏览器的游戏作品转换为专业的桌面应用,便于在 Steam、Itch.io 等平台分发,或者直接分享给用户。
该工具完全免费使用,遵循 MIT 开源协议,为独立游戏开发者和创作者提供了强大的跨平台发布能力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08